AAAI2024论文合集解读|Ced-NeRF A Compact and Efficient Method for Dynamic Neural Radiance Fields

论文标题

Ced-NeRF: A Compact and Efficient Method for Dynamic Neural Radiance Fields Ced-NeRF：一种紧凑且高效的动态神经辐射场方法

论文链接

Ced-NeRF: A Compact and Efficient Method for Dynamic Neural Radiance Fields论文下载

论文作者

Youtian Lin, Nanjing University, Harbin Institute of Technology

内容简介

本文提出了一种名为Ced-NeRF的紧凑且高效的动态神经辐射场方法，旨在解决动态场景的实时渲染问题。尽管神经辐射场（NeRF）在静态场景渲染中表现出色，但在动态场景中，由于时间维度的计算复杂性，实现实时渲染仍然具有挑战性。Ced-NeRF通过引入一种混合表示，结合显式和隐式方法，显著加快了训练和渲染速度，同时保持高质量的渲染效果。该方法通过神经潜变量正则化和分层运动预测来防止过拟合，并提出了一种新颖的时间积分方法，以更好地建模光照变化。实验结果表明，Ced-NeRF在多个动态场景数据集上超越了现有的最先进方法，展现出快速的训练和渲染速度。

分点关键点

1. Ced-NeRF框